परिवार E · अनुप्रस्थ विषय · शीघ्र प्रारंभ
Machine Learner Certification™
कृत्रिम बुद्धिमत्ता का उपयोग करने और उसे बनाना जानने के बीच की दूरी।
सूचना
इस प्रमाणन को कोई नियामकीय मान्यता प्राप्त नहीं है। यह अनुप्रयुक्त मशीन लर्निंग और कृत्रिम बुद्धिमत्ता में ज्ञान और दक्षता प्रमाणित करता है; यह किसी नियामक द्वारा अपेक्षित किसी प्रमाणन का स्थान नहीं लेता।
MLC
01 — सारांशMachine Learner Certification™
वित्तीय सेवाओं में कृत्रिम बुद्धिमत्ता (artificial intelligence) अब नवाचार परियोजना नहीं, बुनियादी ढाँचा बन चुकी है। दस सबसे बड़े बैंकों ने 800,000 से अधिक कर्मचारियों के हाथों में AI उपकरण दे दिए हैं, और इस तकनीक पर क्षेत्र का व्यय अब प्रति वर्ष USD 38 बिलियन से अधिक है। दुर्लभ मॉडलों तक पहुँच नहीं है; दुर्लभ वे लोग हैं जो उन्हें बना सकें, अनुकूलित कर सकें, उत्पादन में चला सकें और किसी समिति या नियामक के समक्ष उनका उत्तरदायित्व ले सकें।
Machine Learner Certification™ ठीक इसी दक्षता को प्रमाणित करता है। इसका ज्ञान निकाय तीन स्तरों में चौदह मॉड्यूल तक फैला है: मशीन लर्निंग (machine learning) के आधार का गणित और सांख्यिकी; शास्त्रीय और गहन अधिगम (deep learning); भाषा मॉडल (language models) और उनका किसी क्षेत्र के अनुरूप अनुकूलन; एजेंटिक प्रणालियाँ; और शीर्ष पर, पैमाने, सुरक्षा तथा उत्पादन की अभियांत्रिकी। यह उस व्यक्ति के लिए लिखा गया है जो मॉडल बनाता है, उसके लिए नहीं जो API को कॉल करता है।
RiskMathics Certificate Institute प्रमाणित करता है; Quantum Computing Labs तैयारी कराता है। तैयारी कार्यक्रम 3 नवंबर 2026 को आरंभ होता है, चौदह मॉड्यूल में 452 घंटे और प्रत्येक मॉड्यूल में कोड पर मूल्यांकित एक कैपस्टोन (capstone) के साथ। प्रमाणन परीक्षा एक अलग उत्पाद है: इसे कार्यक्रम के साथ या उसके बिना दिया जा सकता है, और यह ब्लूम की वर्गीकरण प्रणाली (Bloom's taxonomy) के स्तर 1, 2 और 3 पर लिखी जाती है। इस प्रमाणन को आज कोई नियामकीय मान्यता प्राप्त नहीं है; यह दक्षता प्रमाणित करता है।
MLC
02 — उद्योगउद्योग में क्या हो रहा है
वित्तीय सेवाओं का कृत्रिम बुद्धिमत्ता (AI) पर व्यय 2024 में USD 38.36 बिलियन तक पहुँचा और 2030 तक USD 190.33 बिलियन अनुमानित है, अर्थात 30.6 % की चक्रवृद्धि वार्षिक दर। AI निवेश की दृष्टि से बैंकिंग विश्व का दूसरा सबसे बड़ा उद्योग है। एक ही वैश्विक बैंक में AI और डेटा विज्ञान के 2,000 से अधिक विशेषज्ञ कार्यरत हैं, और उसके 125,000 कर्मचारी प्रतिदिन उसके आंतरिक भाषा-मॉडल सहायक का उपयोग करते हैं।
नियमन भी उसी गति से आ रहा है। यूरोपीय संघ का AI अधिनियम (EU AI Act) ऋण स्कोरिंग, धोखाधड़ी पहचान और धनशोधन-रोधी प्रोफ़ाइलिंग को उच्च जोखिम में वर्गीकृत करता है; इन प्रणालियों पर पूर्ण दायित्व अगस्त 2026 से लागू होंगे (दिसंबर 2027 तक स्थगन पर विचार चल रहा है) और अनुपालन न करने पर वैश्विक कारोबार के 3 % तक का दंड है। संयुक्त राज्य अमेरिका में SR 11-7 बैंकिंग में मशीन लर्निंग पर लागू मॉडल-जोखिम ढाँचा बना हुआ है; लैटिन अमेरिका में ब्राज़ील और मेक्सिको अपने-अपने कानून आगे बढ़ा रहे हैं।
प्रतिभा उसी गति से नहीं बढ़ी। AI दक्षता वाले पेशेवरों को 56 % का वेतन प्रीमियम मिलता है, दो-तिहाई व्यावसायिक नेता कहते हैं कि वे AI दक्षता के बिना किसी को नियुक्त नहीं करेंगे, और वित्तीय सेवाओं के 73 % वरिष्ठ अधिकारी AI प्रतिभा की कमी को निर्णायक बाधा बताते हैं। AI का उपयोग होना चाहिए, ऐसा मानने (65 %) और वास्तव में उसका उपयोग करने (20 %) के बीच का अंतर मूलतः सत्यापन-योग्य प्रशिक्षण का अंतर है।
MLC
03 — क्योंयह प्रमाणन क्यों
उपलब्ध प्रमाणपत्र समस्या का एक-एक हिस्सा हल करते हैं। AI अभिशासन (AI governance) के प्रमाणपत्र उन लोगों को प्रमाणित करते हैं जो मॉडलों की निगरानी करते हैं, बिना कोड की एक पंक्ति माँगे। क्लाउड विक्रेताओं के प्रमाणन किसी एक मंच को सत्यापित करते हैं, न वित्तीय संदर्भ के साथ, न मॉडल जोखिम के साथ। संदर्भ के रूप में लिया जाने वाला मात्रात्मक कार्यक्रम भाषा मॉडलों के अस्तित्व में आने से पहले तैयार हुआ था। तीस से अधिक प्रमाणपत्रों की समीक्षा में समूह के AI एवं वित्त ब्लूप्रिंट को ऐसा एक भी नहीं मिला जो वित्तीय सेवाओं के लिए मशीन लर्निंग, भाषा मॉडल और निर्माण व परिनियोजन की अपेक्षा को एक साथ लाता हो: जो कोड माँगते हैं उनमें वित्तीय संदर्भ नहीं है, और जिनमें वित्तीय संदर्भ है वे कोड नहीं माँगते।
Machine Learner Certification™ यही स्थान लेता है। यह नहीं पूछता कि अभ्यर्थी शब्दावली जानता है या नहीं; यह पूछता है कि क्या वह समस्या हल कर सकता है। इसीलिए तैयारी कार्यक्रम का प्रत्येक मॉड्यूल चलने वाले कोड और पैनल के समक्ष प्रस्तुति के साथ समाप्त होता है, और इसीलिए कार्यक्रम से स्वतंत्र परीक्षा एक प्रकाशित ज्ञान निकाय पर स्मरण, समझ और अनुप्रयोग के प्रश्नों से बनाई जाती है, जिसका अंतिम भार पहली परीक्षा से पहले तय किया जाता है।
- पूरी शृंखला को कवर करता है: अनुकूलन (optimization) और बेज़ियन अनुमान से लेकर एजेंट, पैमाने और उत्पादन तक।
- वह सब सम्मिलित है जिसे कोई जोखिम समिति सबसे पहले देखेगी: मूल्यांकन, व्याख्येयता (interpretability), रेड-टीमिंग और ड्रिफ़्ट निगरानी।
- API के उपयोगकर्ता और उस अभियंता के बीच अंतर करता है जो अपना मॉडल फ़ाइन-ट्यून, सर्व और नियंत्रित कर सकता है।
- मूल्यांकन कार्यक्रम से स्वतंत्र परीक्षा द्वारा होता है; उसे उत्तीर्ण करना उपस्थिति का प्रमाणपत्र नहीं है।
- ऐसे क्षेत्र के लिए बनाया गया है जिसके ज्ञान की अर्ध-आयु ब्लूप्रिंट 12 से 18 माह आँकता है; वैधता और नवीनीकरण की योजना पहली परीक्षा तिथि खुलने से पहले प्रकाशित की जाती है।
MLC
04 — परिणामयह किसके लिए तैयार करता है
- 01
ग्रेडिएंट-डिसेंट ऑप्टिमाइज़र (gradient-descent optimizer) शून्य से व्युत्पन्न कर लागू करना और संवृत-रूप हल के विरुद्ध उसका अभिसरण सिद्ध करना।
- 02
संपूर्ण सारणीबद्ध पाइपलाइन बनाना—डेटा, फ़ीचर, ट्यून किया गया बूस्टिंग, SHAP और अंशांकन—ईमानदार सत्यापन और प्रमुख चरों की व्यावसायिक व्याख्या के साथ।
- 03
प्रेक्षणात्मक डेटा से कारण-प्रभाव का आकलन करना, संभ्रामक चरों (confounders) को नियंत्रित करना और अनिश्चितता की जानकारी किसी समिति को देना।
- 04
NumPy में स्वयं लिखे बैकप्रोपेगेशन के साथ न्यूरल नेटवर्क लागू करना, उसे PyTorch में पुनः बनाना और प्रत्येक स्थापत्य निर्णय को उचित ठहराना।
- 05
किसी ओपन-सोर्स भाषा मॉडल को LoRA के साथ किसी क्षेत्र के अनुरूप फ़ाइन-ट्यून करना, आधार-रेखा के विरुद्ध उसका मूल्यांकन करना और लागत, गुणवत्ता व नियंत्रण के संतुलन का बचाव करना।
- 06
RAG और Model Context Protocol के माध्यम से उपलब्ध कराए गए उपकरणों वाला एजेंट बनाना जो किसी वास्तविक कार्य को आद्योपांत पूरा करे, मूल्यांकन और गार्डरेल के साथ।
- 07
किसी मॉडल के अनुमान (inference) को अनुकूलित करना—क्वांटाइज़ेशन, डिस्टिलेशन, सर्विंग—और पहले तथा बाद की विलंबता, लागत और गुणवत्ता मापना।
- 08
मूल्यांकन, रेड-टीमिंग और व्याख्येयता के साथ किसी मॉडल का ऑडिट करना, उसकी दुर्बलताएँ प्रलेखित करना, और CI/CD, ड्रिफ़्ट निगरानी तथा कार्यशील रोलबैक के साथ उसे परिनियोजित करना।
MLC
05 — संस्थाएँकट-ऑफ़ रेखा
जो संस्था इस प्रमाणन की अपेक्षा करती है, वह साक्षात्कार का प्रश्न बदल देती है। अब वह यह नहीं पूछती कि अभ्यर्थी ने कृत्रिम बुद्धिमत्ता का उपयोग किया है या नहीं—दस सबसे बड़े बैंकों के दो-तिहाई कर्मचारियों के पास पहले से AI उपकरण हैं—बल्कि यह पूछती है कि क्या अभ्यर्थी ऐसी प्रणाली बना, सत्यापित और संचालित कर सकता है जो दूसरों के धन से निर्णय लेती है। इस अंतर की कीमत मॉडल जोखिम में, अनुमान की लागत में और एक नोटबुक से उत्पादन में चल रही सेवा तक लगने वाले समय में चुकानी पड़ती है।
यह प्रमाणन आंतरिक बाज़ार को भी व्यवस्थित करता है। यह संस्था को एक ही मानक पर उस विश्लेषक को, जिसने मॉडल से उत्तर माँगना सीख लिया है, उस अभियंता से अलग करने देता है जो बता सकता है कि मॉडल अभिसरित क्यों नहीं हो रहा, कौन-सा डेटा उसे बेहतर करेगा, और प्रणाली के उच्च जोखिम में वर्गीकृत होने पर लेखा-परीक्षक क्या देखेगा।
- क्षेत्रवार प्रकाशित ज्ञान निकाय, जिसका भार पहली परीक्षा से पहले तय और प्रकाशित होता है, अभ्यर्थियों और संस्थाओं के बीच तुलनीय।
- मॉडलों को केवल प्रशिक्षित करने का नहीं, उन्हें उत्पादन में उतारने की क्षमता का प्रमाण।
- सुरक्षा, व्याख्येयता और निगरानी की दक्षताएँ, जो EU AI Act और SR 11-7 की अपेक्षाओं के अनुरूप हैं।
- पढ़ाने वाले और नियुक्ति करने वाले, दोनों से स्वतंत्र तृतीय पक्ष द्वारा संचालित परीक्षा।
MLC
06 — प्रोफ़ाइलयह किसके लिए है
यह किसके लिए है
- क्वांट, ट्रेडर, जोखिम एवं पोर्टफ़ोलियो प्रबंधक, ऋण विश्लेषक, बीमांकक और कोषाध्यक्ष, जिनका कार्य वित्तीय डेटा से जुड़ा है।
- डेटा वैज्ञानिक और अभियंता, मॉडल एवं सत्यापन दल, तथा मॉडलों को उत्पादन तक ले जाने के लिए उत्तरदायी प्रौद्योगिकी समूह।
- मात्रात्मक आधार वाले अभियंता, गणितज्ञ, भौतिकविद् और अर्थशास्त्री जो पूर्ण मशीन-लर्निंग व्यवसायी बनना चाहते हैं।
- प्रौद्योगिकी, डेटा और रूपांतरण के प्रमुख—तथा विधि, अनुपालन और स्वास्थ्य क्षेत्र के पेशेवर—जिन्हें केवल परिणाम नहीं, तंत्र समझना आवश्यक है।
यह किसके लिए नहीं है
- जो कोड लिखे बिना कृत्रिम बुद्धिमत्ता का कार्यकारी या वैचारिक अवलोकन चाहते हैं।
- जिन्हें केवल प्रॉम्प्ट साक्षरता या व्यावसायिक उपकरणों में प्रवीणता चाहिए।
- जो क्वांटम कंप्यूटिंग प्रमाणित कराना चाहते हैं: वह दक्षता Quantum Financial Professional (QFP™) से संबंधित है, जो अभी विकासाधीन है।
MLC
07 — ज्ञानज्ञान का निकाय
Core के चौदह मॉड्यूल से व्युत्पन्न सात क्षेत्र। भार सांकेतिक हैं: वे तैयारी कार्यक्रम के 452 घंटों में प्रत्येक क्षेत्र के हिस्से को दर्शाते हैं। परीक्षा के भार की पुष्टि की जानी है और उसे पहली परीक्षा से पहले प्रकाशित किया जाता है।
01गणितीय आधार और प्रायिकता-आधारित तर्क≈ 16 %
- रैखिक बीजगणित, SVD, प्रक्षेपण और न्यूनतम वर्ग
- बहुचर कलन, ग्रेडिएंट और शृंखला नियम
- अनुकूलन: ग्रेडिएंट डिसेंट, उत्तलता, लाग्रांज और KKT
- प्रायिकता, एन्ट्रॉपी और KL डाइवर्जेंस
- बेज़ियन अनुमान, MCMC और अनिश्चितता का परिमाणन
- कारण-अनुमान: DAG, प्रोपेंसिटी स्कोर और डिफ़रेंस-इन-डिफ़रेंसेस
02Python, डेटा और शास्त्रीय मशीन लर्निंग≈ 16 %
- वैज्ञानिक Python, पुनरुत्पाद्य परिवेश और संस्करण नियंत्रण
- डेटा अभियांत्रिकी: अंतर्ग्रहण, सफ़ाई, फ़ीचर और पाइपलाइन
- टोकन, सदिश और एम्बेडिंग: LLM भीतर से कैसे काम करता है
- प्रतिगमन, वर्गीकरण, नियमितीकरण और मापक
- ट्री, एनसेम्बल तथा हाइपरपैरामीटर ट्यूनिंग सहित ग्रेडिएंट बूस्टिंग
- अपर्यवेक्षित अधिगम, विमीयता में कमी और विसंगति पहचान
- सुदृढ़ सत्यापन और SHAP के साथ व्याख्येयता
03गहन अधिगम और बहुविध मॉडल≈ 15 %
- फ़ीडफ़ॉरवर्ड नेटवर्क और शून्य से बैकप्रोपेगेशन
- PyTorch: टेंसर, ऑटोग्रैड और प्रशिक्षण लूप
- नियमितीकरण, सामान्यीकरण और ऑप्टिमाइज़र
- CNN, ट्रांसफ़र लर्निंग और आवर्ती नेटवर्क
- Vision Transformer, संसूचन और खंडन
- GAN, डिफ़्यूज़न मॉडल और दृष्टि-भाषा प्रणालियाँ
- Document AI और डीपफ़ेक की नैतिकता
04भाषा: ट्रांसफ़ॉर्मर, LLM और क्षेत्र-अनुकूलन≈ 15 %
- टोकनीकरण, एम्बेडिंग और अटेंशन तंत्र
- GPT और BERT स्थापत्य; किसी LLM का अभिकल्पन
- स्केलिंग, डिकोडिंग और संदर्भ खिड़की
- उन्नत प्रॉम्प्ट अभियांत्रिकी और प्रॉम्प्ट मूल्यांकन
- कुशल फ़ाइन-ट्यूनिंग: LoRA, QLoRA और PEFT
- अधिमान्यता संरेखण: RLHF, DPO और रिवॉर्ड मॉडल
- सर्विंग, गार्डरेल और फ़ाइन-ट्यून किए गए मॉडल की लागत
05एजेंटिक AI, तर्कण और पुनर्बलन अधिगम≈ 14 %
- एंटरप्राइज़ RAG: वेक्टर स्टोर, चंकिंग और मूल्यांकन
- एजेंट: उपकरणों का उपयोग, नियोजन, ReAct और स्मृति
- Model Context Protocol और बहु-एजेंट प्रणालियाँ
- उत्पादन में एजेंट: लागत, विलंबता, प्रेक्षणीयता और सुरक्षा
- MDP, Q-लर्निंग, पॉलिसी ग्रेडिएंट और डीप RL
- तर्कण मॉडल और परीक्षण-समय संगणन
06पैमाना, डेटा और उत्पादन प्रणालियाँ≈ 18 %
- स्केलिंग नियम, संगणन का अर्थशास्त्र और मिश्रित परिशुद्धता
- वितरित प्रशिक्षण: डेटा, मॉडल और पाइपलाइन समांतरता
- अनुमान अनुकूलन: क्वांटाइज़ेशन, डिस्टिलेशन और KV-कैश
- डेटा-केंद्रित AI: क्यूरेशन, संश्लेषित डेटा और स्लाइस-वार मूल्यांकन
- जीवनचक्र: संस्करण नियंत्रण, फ़ीचर स्टोर और पुनरुत्पाद्यता
- कंटेनर, CI/CD और सतत प्रशिक्षण के साथ परिनियोजन
- LLMOps: कोड के रूप में प्रॉम्प्ट, सतत मूल्यांकन और गार्डरेल
- ड्रिफ़्ट निगरानी, मॉडल रजिस्ट्री और अभिशासन
07सुरक्षा, व्याख्येयता और मॉडल मूल्यांकन≈ 6 %
- संरेखण और विनिर्देशन: RLHF, DPO और Constitutional AI
- यांत्रिक व्याख्येयता, प्रोबिंग और एट्रिब्यूशन
- बेंचमार्क, न्यायाधीश के रूप में LLM और मूल्यांकन संदूषण
- रेड-टीमिंग: जेलब्रेक, प्रॉम्प्ट इंजेक्शन और शमन उपाय
MLC
08 — दो उत्पादतैयारी कार्यक्रम · प्रमाणन परीक्षा
तैयारी कार्यक्रम
तैयारी कार्यक्रम
कार्यक्रम संचालक Quantum Computing Labs
इसे Quantum Computing Labs संचालित करता है, जो कृत्रिम बुद्धिमत्ता और क्वांटम कंप्यूटिंग के लिए समूह का संस्थान है। यह परीक्षा के संपूर्ण पाठ्यक्रम को तीन स्तरों—Foundations, Deep & Generative AI और Frontier AI Engineering—के चौदह मॉड्यूल में कवर करता है, जिसमें लाइव कक्षाएँ, प्रयोगशालाएँ, प्रत्येक मॉड्यूल में कोड पर मूल्यांकित एक कैपस्टोन और परीक्षा की ही संरचना पर बनी मॉक परीक्षाएँ सम्मिलित हैं। इसे पूरा करना परीक्षा देने की शर्त नहीं है।
Machine Learner Certification™ Core
452 घंटे · 14 मॉड्यूल · 150 कक्षाएँतीन स्तरों में चौदह अनिवार्य मॉड्यूल, 3 नवंबर 2026 से 7 दिसंबर 2027 तक, जो समेकित परियोजना (Integrative Project) और उद्योग निर्णायक मंडल के समक्ष Demo Day के साथ समाप्त होते हैं। यही वह स्वरूप है जो परीक्षा के संपूर्ण ज्ञान निकाय को कवर करता है।
MLC Full Stack
788 घंटे · 262 कक्षाएँCore के साथ पहले समूह की चार विशेषज्ञता धाराएँ—वित्त एवं बाज़ार, स्वास्थ्य एवं जीवन विज्ञान, डीप टेक एवं क्वांटम, तथा साइबर सुरक्षा—जो जनवरी से मई 2028 के बीच समानांतर चलती हैं। ये धाराएँ उद्योग के अनुसार अनुप्रयोग का विस्तार करती हैं; ये परीक्षा के पाठ्यक्रम का हिस्सा नहीं हैं।
अलग-अलग मॉड्यूल और स्तर प्रमाणपत्र
प्रति मॉड्यूल 24 से 40 घंटे · प्रति स्तर 136 से 172 घंटेCore का कोई भी मॉड्यूल अलग से किया जा सकता है, प्रति घंटे USD 100 + IVA पर, और प्रत्येक पूर्ण स्तर एक स्वतंत्र प्रमाणपत्र के रूप में: AI Foundations (144 घंटे), Generative AI Builder (136 घंटे) और Frontier AI Engineering (172 घंटे)। प्रमाणन परीक्षा की तैयारी करने वालों के लिए तीनों स्तर पूरे करना उचित है।
- 150 लाइव सत्र: सोमवार, मंगलवार और गुरुवार सायं 7:00 से 10:00 बजे तक, तथा माह में अधिकतम दो शनिवार प्रातः 9:00 से अपराह्न 2:00 बजे तक आमने-सामने
- प्रत्येक सत्र की रिकॉर्डिंग, सक्रिय विद्यार्थियों के लिए 72 घंटे की पहुँच के साथ
- प्रत्येक मॉड्यूल में कोड पर मूल्यांकित एक कैपस्टोन, बदलती हुई टीमों में उद्योग पैनल के समक्ष प्रस्तुत
- समेकित परियोजना और निर्णायक मंडल के समक्ष Demo Day
- ब्लूम के स्तर 1, 2 और 3 पर बनी क्षेत्रवार मॉक परीक्षाएँ
- साप्ताहिक ऑफ़िस आवर्स, सहपाठी सहयोग प्रणाली और अधिकतम एक मॉड्यूल तक विराम की नीति
Core के लिए 3 नवंबर 2026 से 7 दिसंबर 2027 तक; धाराएँ जनवरी से मई 2028 तक समानांतर। अवकाश: 11 दिसंबर 2026 से 11 जनवरी 2027 तक, संपूर्ण पवित्र सप्ताह और ईस्टर सप्ताह, प्रत्येक दो माह में एक सप्ताह, तथा CNBV के गैर-कार्य दिवस।
प्रमाणन परीक्षा
प्रमाणन परीक्षा
इसे RiskMathics Certificate Institute, कार्यक्रम संचालित करने वाले से स्वतंत्र तृतीय पक्ष के रूप में, आयोजित करता है। इसे कार्यक्रम के साथ या उसके बिना दिया जा सकता है। संस्थान का मास्टर ब्लूप्रिंट इस परीक्षा की लंबाई और संरचना अभी तय नहीं करता; दोनों पहली परीक्षा तिथि खुलने से पहले प्रकाशित किए जाते हैं।
यदि अभ्यर्थी उत्तीर्ण नहीं होता
प्रमाणन परिषद अनुत्तीर्णता एवं पुनः परीक्षा की नीति निर्धारित कर रही है: प्रत्येक अवधि में अनुमत प्रयासों की संख्या, दो प्रयासों के बीच न्यूनतम प्रतीक्षा, परीक्षा पुनः देने का शुल्क, और पहले से उत्तीर्ण स्तरों का व्यवहार। अनुमोदन होते ही इसे यहाँ प्रकाशित किया जाता है; तब तक यह जानकारी growth@riskmathics.com से मांगी जा सकती है। परीक्षा का अभिशासन →
प्रश्न ब्लूम की वर्गीकरण प्रणाली के स्तर 1, 2 और 3 पर लिखे जाते हैं: स्मरण, समझ और अनुप्रयोग। प्रत्येक क्षेत्र प्रति स्तर निश्चित संख्या में प्रश्न देता है, जिससे कोई भी दो अभ्यर्थी एक ही मानक का सामना करते हैं। ब्लूम की वर्गीकरण प्रणाली →
MLC
09 — मॉक परीक्षाएँमॉक परीक्षाएँ
कार्यक्रम की मॉक परीक्षाएँ परीक्षा की ही संरचना का अनुसरण करती हैं: क्षेत्रवार वही वितरण और ब्लूम के वही तीन स्तर। ये पुनरावृत्ति की प्रश्नोत्तरी नहीं हैं; ये अंशांकित प्रश्नों वाले अभ्यास हैं जो प्रतिभागी को क्षेत्र-दर-क्षेत्र दिखाते हैं कि उसे कहाँ स्मरण है, कहाँ समझ है और कहाँ वह अभी अनुप्रयोग नहीं कर पाता।
ये कार्यक्रम के दौरान और परीक्षा से पहले दी जाती हैं, क्षेत्रवार प्रतिपुष्टि के साथ। मॉक परीक्षाएँ वास्तविक परीक्षा के प्रश्न पुनः प्रस्तुत नहीं करतीं; वे परीक्षा की कठिनाई और संरचना की पुनरावृत्ति करती हैं।
- स्तर 1 · स्मरण: परिभाषित करना, पहचानना, सूचीबद्ध करना; उदाहरण के लिए, टोकन क्या है या KL डाइवर्जेंस क्या मापता है, यह पहचानना।
- स्तर 2 · समझ: यह समझाना कि कोई मॉडल अभिसरित क्यों नहीं होता, या डेटा लीकेज सत्यापन के साथ क्या करता है।
- स्तर 3 · अनुप्रयोग: किसी दिए गए प्रकरण के लिए उपयुक्त ऑप्टिमाइज़र, फ़ाइन-ट्यूनिंग तकनीक या मापक चुनना।
MLC
10 — मार्गसीखने का मार्ग
- चरण 1
Foundations · Learn144 घंटे · नवंबर 2026 से अप्रैल 2027
ML के लिए गणित, Python और AI के मूल तत्व, प्रायिकता-आधारित एवं कारण-आधारित ML, तथा शास्त्रीय ML। चार कैपस्टोन: शून्य से लिखे गए ऑप्टिमाइज़र से लेकर उत्पादन-स्तर की सारणीबद्ध पाइपलाइन तक।
- चरण 2
Deep & Generative AI · Apply136 घंटे · अप्रैल से जुलाई 2027
गहन अधिगम, बहुविध एवं जनरेटिव मॉडल, NLP और LLM, तथा RLHF और प्रॉम्प्ट अभियांत्रिकी के साथ फ़ाइन-ट्यूनिंग। प्रत्येक मॉड्यूल एक उत्पादन-स्तर का कैपस्टोन देता है।
- चरण 3
Frontier AI Engineering · Create172 घंटे · जुलाई से दिसंबर 2027
एजेंट, RAG और MCP; तर्कण और पुनर्बलन अधिगम; पैमाना और अनुमान; डेटा-केंद्रित AI; सुरक्षा, व्याख्येयता और मूल्यांकन; MLOps और LLMOps।
- चरण 4
समेकित परियोजना, Demo Day और मॉक परीक्षाएँCore के समापन पर · तिथि की पुष्टि की जानी है
उत्पादन-स्तर का कैपस्टोन समेकित परियोजना का आधार बनता है, जिसे निर्णायक मंडल के समक्ष प्रस्तुत किया जाता है। क्षेत्रवार मॉक परीक्षाएँ तैयारी को पूर्ण करती हैं।
- चरण 5
प्रमाणन परीक्षातिथि की पुष्टि की जानी है
RiskMathics Certificate Institute द्वारा संचालित। Full Stack चुनने वालों के लिए कार्यक्रम की वैकल्पिक धाराएँ जनवरी से मई 2028 तक समानांतर चलती रहती हैं।
निवेश
11कार्यक्रम और परीक्षा, अलग-अलग
शुल्क अमेरिकी डॉलर में; IVA चालान के अनुसार लागू होता है। कार्यक्रम और परीक्षा अलग-अलग अनुबंधित होते हैं; किसी एक की राशि में दूसरी सम्मिलित नहीं है।
MLC
12 — सामान्य प्रश्नअक्सर पूछे जाने वाले प्रश्न
क्या कार्यक्रम के बिना परीक्षा दी जा सकती है?
हाँ। परीक्षा RiskMathics Certificate Institute का एक अलग उत्पाद है। Quantum Computing Labs का कार्यक्रम संपूर्ण पाठ्यक्रम कवर करता है और उसमें मॉक परीक्षाएँ सम्मिलित हैं, किंतु यह प्रवेश की शर्त नहीं है।
कार्यक्रम कौन संचालित करता है और प्रमाणन कौन देता है?
तैयारी कार्यक्रम Quantum Computing Labs संचालित करता है, जो RiskMathics समूह का कृत्रिम बुद्धिमत्ता और क्वांटम कंप्यूटिंग संस्थान है। RiskMathics Certificate Institute स्वतंत्र तृतीय पक्ष के रूप में परीक्षा बनाता, लेखा-परीक्षित करता और संचालित करता है।
पूर्व तैयारी के रूप में क्या आवश्यक है?
औपचारिक प्रवेश आवश्यकताओं की पुष्टि की जानी है। कार्यक्रम मात्रात्मक पृष्ठभूमि—अभियांत्रिकी, गणित, भौतिकी, अर्थशास्त्र, डेटा—वाले प्रोफ़ाइलों के लिए बनाया गया है, और व्यवसाय, विधि या स्वास्थ्य क्षेत्र से आने वालों के लिए भी: स्तर 1 गणित, वैज्ञानिक Python और AI के मूल तत्व शून्य से तैयार करता है, और पाठ्यक्रम Python एवं मूल तत्वों के मॉड्यूल को गैर-तकनीकी पृष्ठभूमि वालों के लिए अनिवार्य बताता है।
क्या इसमें क्वांटम कंप्यूटिंग सम्मिलित है?
परीक्षा के ज्ञान निकाय में नहीं। कार्यक्रम में डीप टेक और क्वांटम की एक वैकल्पिक धारा उपलब्ध है, और क्वांटम दक्षता का प्रमाणन अलग से Quantum Financial Professional (QFP™) के माध्यम से होता है, जो अभी विकासाधीन है।
क्या कार्यक्रम भागों में किया जा सकता है?
हाँ। कोई भी मॉड्यूल प्रति घंटे USD 100 + IVA पर अलग से किया जा सकता है, और प्रत्येक स्तर एक स्वतंत्र प्रमाणपत्र के रूप में: AI Foundations (144 घंटे, USD 14,200 IVA सहित), Generative AI Builder (136 घंटे, USD 13,400 IVA सहित) और Frontier AI Engineering (172 घंटे, USD 16,950 IVA सहित)। संपूर्ण Core का प्रति घंटा मूल्य सबसे अनुकूल है।
क्या इसे नियामकीय मान्यता प्राप्त है और यह कितने समय तक वैध है?
इसे कोई नियामकीय मान्यता प्राप्त नहीं है: यह ज्ञान और दक्षता प्रमाणित करता है। वैधता और नवीनीकरण की योजना की पुष्टि की जानी है; समूह का AI एवं वित्त ब्लूप्रिंट छोटे चक्रों में सतत शिक्षा की परिकल्पना करता है, क्योंकि वह AI ज्ञान की अर्ध-आयु 12 से 18 माह आँकता है।
Machine Learner Certification™
कृत्रिम बुद्धिमत्ता का उपयोग करने और उसे बनाना जानने के बीच की दूरी।